datawhale组队学习

第二回：艺术画笔见乾坤 一、概述 1. matplotlib的三层api matplotlib的原理或者说基础逻辑是，用Artist对象在画布(canvas)上绘制(Render)图形。 就和人作画的

[TOC] datawhale2021.9组队学习 数据可视化_task01 Matplotlib是一个Python 2D绘图库，能够以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形，用来绘制

将作者列表进行处理，并完成统计。具体步骤如下： 图是复杂网络研究中的一个重要概念。Graph是用点和线来刻画离散事物集合中的每对事物间以某种方式相联系的数学模型。Graph在现实世界中随处可见，如交通运输图、旅游图、流程图等。利用图可以描述现实生活中的许多事物，如用点可以表示交…

在原始arxiv论文中论文都有对应的类别，而论文类别是作者填写的。在本次任务中我们可以借助论文的标题和摘要完成： WordVec是进阶款的词向量，并通过构建深度学习分类完成分类。深度学习分类的网络结构可以选择TextCNN、TextRnn或者BiLSTM。 Bert是高配款的词…

在原始arxiv数据集中作者经常会在论文的comments或abstract字段中给出具体的代码链接，所以我们需要从这些字段里面找出代码的链接。 首先我们来统计论文页数，也就是在comments字段中抽取pages和figures和个数，首先完成字段读取。 对pages进行统计…

当然在原始数据集中authors_parsed字段已经帮我们处理好了作者信息，可以直接使用该字段完成后续统计。 在Python中字符串是最常用的数据类型，可以使用引号('或")来创建字符串。Python中所有的字符都使用字符串存储，可以使用方括号来截取字符串。同时在Python…

authors_parsed：作者的信息。 我们从arxiv官网，查询到论文的类别名称以及其解释如下。 导入package并读取原始数据. 以上的结果表明：共有170618个数据，有15592个子类（因为有论文的类别是多个，例如一篇paper的类别是CS.AI & C…